Python中保证线程安全需手动加锁，因GIL不保护共享数据；count += 1非原子操作，易致竞态条件；应使用threading.Lock配合with语句保护临界区。
Python中保证线程安全，核心是控制对共享资源的**互斥访问**，最常用、最直接的方式就是使用threading.Lock（互斥锁）。虽然CPython有GIL（全局解释器锁），但它只限制**同一时刻只有一个线程执行Python字节码**，并不保护你程序里的变量、列表、字典等共享数据——这些仍需手动加锁。
为什么GIL不能代替线程安全锁？
GIL解决的是C层内存管理、引用计数等底层并发问题，不是为业务逻辑设计的。比如下面这段代码：
count = 0
def increment():
global count
count += 1 # 这不是原子操作：读取→计算→写入
即使有GIL，count += 1在执行过程中仍可能被切换，导致两个线程读到相同旧值、各自+1后写回，结果只加了1次而非2次。这就是典型的竞态条件（race condition）。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
Lock的基本用法：确保临界区串行执行
把可能引发冲突的代码段（即“临界区”）用lock.acquire()和lock.release()包裹。更推荐用with语句，自动释放，避免忘记解锁或异常导致死锁：
- 创建锁：
lock = threading.Lock() - 保护共享操作：
with lock: count += 1 - 锁是可重入的？不，
Lock不可重入；若需同一线程多次获取，改用threading.RLock()
常见陷阱与实用建议
- 锁粒度要合理：锁太粗（如整个函数都锁）会严重降低并发性；锁太细（如每行都锁）又容易漏掉关键操作。聚焦真正共享且非原子的操作
- 避免嵌套锁顺序不一致：多个锁同时使用时，务必固定获取顺序（如总先lock_a再lock_b），否则易引发死锁
-
不用锁也能线程安全？可以：尽量用线程本地存储（
threading.local()）、不可变对象、或由queue等内置线程安全类型封装共享逻辑 - 调试时加日志注意：打印语句本身不是线程安全的，大量print可能干扰行为，必要时也应加锁或改用logging（其Handler默认线程安全）
其他同步原语简要对比
除基本Lock外，Python还提供：
-
RLock：可重入锁，适合递归调用或同一线程多次获取场景 -
Condition：配合锁实现“等待-通知”机制（如生产者/消费者） -
Semaphore：控制同时访问资源的线程数量（如连接池限流） -
Event：线程间简单信号通信（一个设flag，多个等flag）
选哪种，取决于你要解决的具体协作模式，而不是“越高级越好”。大多数共享变量修改，Lock就足够了。
